SSS at SemEval-2023 Task 10: Explainable Detection of Online Sexism using Majority Voted Fine-Tuned Transformers

要約

タイトル：SSS at SemEval-2023 Task 10：過半数投票されたファインチューニングトランスフォーマーを使用したオンラインセクシズムの説明可能な検出

要約：
– SemEval 2023のタスク10での私たちの提出物を説明する論文。このタスクは、オンラインのセクシズムを説明可能に検出することを目的としたものであり、3つのサブタスクに分かれている。
– 最近、ソーシャルメディアプラットフォームの増加に伴い、女性がソーシャルメディアプラットフォーム上で不釣り合いなレベルのセクシズムにさらされていることが増えてきている。これにより、オンラインの性差別的なコンテンツを検出し説明することが、ソーシャルメディアを女性にとってより安全でアクセスしやすくするためにますます重要になっている。
– 私たちのアプローチは、BERTベースのモデルを実験してファインチューニングし、過半数投票アンサンブルモデルを使用することで、個別のベースラインモデルのスコアを上回る。私たちのシステムは、タスクAのマクロF1スコアが0.8392、タスクBが0.6092、タスクCが0.4319を達成しています。

要点：
– タスク10は、オンラインのセクシズムを説明可能に検出することを目的としたものである
– BERTベースのモデルを実験してファインチューニングし、過半数投票アンサンブルモデルを使用することで、個別のベースラインモデルのスコアを上回る
– システムのタスクAのマクロF1スコアは0.8392、タスクBが0.6092、タスクCが0.4319である

要約(オリジナル)

This paper describes our submission to Task 10 at SemEval 2023-Explainable Detection of Online Sexism (EDOS), divided into three subtasks. The recent rise in social media platforms has seen an increase in disproportionate levels of sexism experienced by women on social media platforms. This has made detecting and explaining online sexist content more important than ever to make social media safer and more accessible for women. Our approach consists of experimenting and finetuning BERT-based models and using a Majority Voting ensemble model that outperforms individual baseline model scores. Our system achieves a macro F1 score of 0.8392 for Task A, 0.6092 for Task B, and 0.4319 for Task C.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI